本文探讨了设施位置问题的算法与机制设计,证明了相关优化问题的NP难度,并在特定条件下提出了多项式时间解法。研究了混合整数优化、强化学习与图嵌入方法在车辆路径问题中的应用,提出了有效的近似算法和博弈模型,强调了客户行为对设施放置的影响。
该文综述可解释聚类研究,包括用决策树近似核k-means分区并保持可解释性与近似保证、提出无监督二叉树三阶段方法、设计ExKMC平衡解释与精度、用混合整数优化生成树聚类、证明自顶向下树可能致成本无界而k叶树可常数近似,以及探讨可解释k-means成本损失和CART回归树统计特性。
该文综述可解释机器学习研究,涵盖基于SAT的可解释聚类、模型树替代模型、树模型简化、决策树全局解释、因果效应异质性推断、混合整数优化分类树与公平性约束、无监督可解释树聚类及后处理提升树可解释性等方法。
本文综述多项梯度优化研究:RGO无需数据重放即可减少遗忘,在连续分类基准上取得最佳性能;研究还涉及Adam等自适应算法、NAG收敛速度、在线凸优化RHIG、演化DAG自动生成网络、径向基函数调参、ECCO-DNN自适应步长优化器、图优化深度强化学习、AGDP加速方法及基于决策树的混合整数优化近似。
该文综述机器学习与优化的交叉进展:利用定制迭代求解器和深度强化学习加速线性规划;探讨机器学习求解NP难组合问题及混合方法;提出学习求解器性能函数以选择配置,并用AdaSolver增强分支定界的泛化能力;用决策树构建混合整数优化的近似并改进可行性;介绍基于LLM的OptiMUS自动建模求解MILP;还涉及代理模型加速多物理模拟,以及双层优化降低AutoML成本与碳足迹。
完成下面两步后,将自动完成登录并继续当前操作。